字节跳动实时音视频通讯技术学习笔记之RTC概述及技术简介

网友投稿 1304 2022-05-29

字节跳动《实时音视频通讯技术》学习笔记之RTC概述及技术简介

什么是实时音视频

实时音视频(RTC)即基于IP技术实现的实时交互的音视频通信技术。

RTC 与 直播常用协议的区别

而这里我们要使用的RTC技术就厉害了~

它是基于IP技术的,它的延迟低于400ms,RTC传输的内容是音视频数据。

实时音视频应用场景

音视频通话

产品功能

1V1,多人音视频通话

可以美颜、使用道具等等。

技术特点

支持设备差异性大

网路接入经常切换

因为这种产品主要是面向用户的,不同用户使用的设备的差别比较大。根据不同设备需要做不同的优化。这就是为什么我们说支持设备差异性大。

而在实际情况中,经常遇到移动网络4G、5G切换WIFI,或者基站之间的切换。这些导致网络环境的变化需要中断重连。

下面介绍两种场景:抖音直播和直播连麦。

抖音直播

产品功能Ⅰ

电商直播

游戏直播

秀场直播

技术特点Ⅰ

主播段推流

观众端CDN拉流

直播连麦

产品功能Ⅱ

多个主播同框互动,观众围观实况

K歌、游戏互动、互动交流

技术特点Ⅱ

服务端&客户端合流

合流转推

实时审核

直播连麦将多个主播的视频流合流然后发送给观众。这种合流一般是在服务端做的,但是现在由于客户端的性能不断提高,现在出现了将合流放在客户端的情况,这样节约了成本。

我们都知道传统直播技术的延迟比较高,从观众评论到看到主播反馈一般要5-10秒以上,那么这样在教育直播、电商直播、体育直播等直播就会出现一些问题。

前面我们提到RTC能够实现低延迟的实时传输音视频流,那么RTC可以应用在直播场景吗?

答案是是,因为只要我们将基于TCP的网络传输协议转化为基于UDP的RTC就行了。

那为什么我们不一开始就使用RTC呢?

第一因为成本,CDN的成本是RTC的三分之一,RTC的部署是比较消耗资源的。

第二是因为RTC是需要做很多网络的优化的,比较复杂。

普通直播替换为低延时直播的方案

拉流端(播放端)替换为RTC:收益大。

因为观众端的延时比较大,所以一般是从观众端替换为RTC。

推流端(主播端)替换为RTC:收益中。

因为主播网络环境一般还不错,所以不优先考虑主播端。

RTC应用场景:在线教育

一对一教育

产品功能

1V1 教学

白板、课件

云端录制

监课

字节跳动《实时音视频通讯技术》学习笔记之RTC概述及技术简介

技术特点

课件同步

音视频通话类似

可能需要跨国

要求和音视频通话一样,需要及时反馈,需要低延迟,跨国一对一可能物理距离较远,导致延迟可能较高。

大班课

产品功能

万人课堂

白板、课件

云端录制

监课

技术特点

1人发布

课件同步

大班课技术难度比1V1教育低,因为一般情况下只是老师一个人推流,不存在过多互动。总的来看,大班课互动性较差,学习体验可能不是很好。

于是,小班课就产生了,它有较强的互动性,但是其难度最大,比1v1教育难度要高。因为每个人网络环境不一样,需要给不同用户下发不同码率的视频。

小班课

产品功能

多人互动

白板、课件

云端录制

监课

技术特点

多人发布与订阅

课件同步

RTC使用场景:视频会议

飞书视频会议

产品功能

百(千)人视频互动

屏幕共享

文档分享

PSTN接入

背景虚化,美颜…

技术特点

多人音视频互动

接入设备多样性

音频降噪

弱网优化

AI能力

总体来说,视频会议的技术难度较大,对音频降噪的要求比较高,同时存在PSTN接入的情况。

RTC使用场景:游戏

游戏对战

产品功能

小队语音

范围语音

技术特点

低延迟、低耗能、流量小

范围语音

因为游戏比较耗计算机资源和网络资源,又要求低延迟。所以需要达到低延迟、低耗能、流量小。

云游戏

产品功能

游戏运行在服务端

客户端渲染、控制

技术特点

超低延迟

海量控制指令

这样即使设备性能不高也能实现尝试高性能的游戏。适用于大型游戏和游戏试玩。

因为需要良好的游戏体验,就需要超低延迟。而且因为我们RTC可以传输海量的控制指令,所以可以用于云游戏。

实时音视频技术概览

信令是一些控制指令,信令服务器可以用于呼叫、协调。

合流转推等等这些操作是后处理服务器来完成的。

客户端是音视频通话的终端,我们来看看客户端整体技术架构。

QoS是保证在弱网的情况下仍然能够使用。

事件上报是因为任何的日志都需要上传,可以处理错误和进行性能优化、算法改进。

全平台支持

设备适配

性能适配

连接保持

断网重连

多径传输

数据运营

事件上报

日志收集

低性能的设备使用低性能的算法。

同时支持WIFI、4G就需要实现多径传输。

采集到音视频等数据需要进行编码压缩然后通过网络传输,然后解码播放。

信令:为使网络中各种设备协调运作,在设备之间传递的控制信息。

信令服务器:就是用来传输、中专信令的服务器。

常见问题

全球化部署

信令到达率

连接保持

实现方案

WebSocket

自定义协议

媒体服务器:在终端用户之间中转音视频流,进而让用户之间可以进行音视频通信。通常部署在边缘,距离用户较近的地方。

Simulcast&SVC是根据不同用户的网络状况提供不同码率、帧率的视频。

BWE&拥塞控制是用来估计用户的可用带宽,来判断给用户发送多大码率的码流。

下面来看看几种媒体服务器的典型架构:

音视频录制

合流转推

截图、切片

审核

数据运营

质量评估

QoS

自动化测试

应用场景探索

需要数据才能优化,视频是否清晰,音频是否悦耳这就需要质量评估。

自动化测试和质量评估也是比较重要的。

去探索新的应用场景也是非常重要的。

实时音视频 视频

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:敏捷开发与文档:互补还是互斥?
下一篇:【操作指南】灵活部署,高清入会——华为 TE20 Cloud配套云会议服务
相关文章